|
|||||
|
|
| 遥感影像检索中高维特征的快速匹配 | |
| 引用本文： | 陈慧中,陈永光,景宁,陈荦.遥感影像检索中高维特征的快速匹配[J].电子与信息学报,2011,33(9):2144-2151. |
| 作者姓名： | 陈慧中 陈永光 景宁 陈荦 |
| 作者单位： | 1. 国防科学技术大学电子科学与工程学院 长沙410073;西南电子电信技术研究所上海分所 上海200434 2. 军械工程学院 石家庄 050003 3. 国防科学技术大学电子科学与工程学院 长沙410073 |
| 基金项目： | 国家863计划项目(2008AA12A211,2009AA7010413)资助课题 |
| 摘 要： | 提高特征点匹配效率是将高维局部特征运用于遥感影像检索的关键,该文提出一种新的压缩优先过滤(CPF)索引算法.该算法通过量化特征向量构建近似向量空间上的高维索引结构,利用优先队列过滤得到近似近邻候选集,精确计算候选实际特征向量得到最终近邻.在CPF算法基础上提出了基于快速鲁棒性特征(SURF)的遥感影像快速检索算法.实验... |
| 关 键 词： | 遥感影像检索 特征向量匹配 高维k近邻(kNN)查询 最佳桶优先(BBF)算法 |
Fast High-dimensional Feature Matching for Retrieving Remote Sensing Images |
|
| Chen Hui-zhong,Chen Yong-guang,Jing Ning,Chen Luo.Fast High-dimensional Feature Matching for Retrieving Remote Sensing Images[J].Journal of Electronics & Information Technology,2011,33(9):2144-2151. | |
| Authors: | Chen Hui-zhong Chen Yong-guang Jing Ning Chen Luo |
| Abstract: | The key point in applying high-dimensional local features to remote sensing image retrieval is to improve the efficiency of feature matching.A new Compressed Priority Filter(CPF) algorithm is investigated that quantizes the feature vectors to compress the search space,constructs a high-dimensional index,searches candidates via priority queue,and calculates the exact feature vectors to get nearest neighbors.Then,a fast remote sensing image retrieval algorithm based on Speeded Up Robust Feature(SURF) features... |
| Keywords: | Remote sensing image retrieving Feature matching High-dimensional k-Nearest-Neighbor(kNN) search Best-Bin-First(BBF) algorithm |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |